崔文超;王毅;雷、陶;范阳宇;冯燕 基于全局和局部模糊能量自适应组合的脑MR图像分割。 （英语） Zbl 1296.94025号 数学。问题。工程师。 2013年，文章ID 316546，10 p.（2013）. 小结：本文提出了一种新的模糊算法，用于脑MR图像的分割和强度不均匀性的同时估计。该算法定义了一个包含局部模糊能量和全局模糊能量的目标函数。基于属于每个不同组织的局部图像强度满足不同均值的高斯分布的假设，我们利用最大后验概率（MAP）导出了局部模糊能量和贝叶斯规则。全局模糊能量是通过测量原始图像和相应的无不均匀性图像之间的距离来定义的。我们使用自适应权重函数将全局模糊能量和局部模糊能量结合起来，该函数的值随图像的局部对比度而变化。这种组合使所提出的算法能够解决强度不均匀性问题，并提高分割的准确性及其对初始化的鲁棒性。此外，该算法将邻域空间信息纳入隶属函数中，以减少噪声的影响。合成图像和真实图像的实验结果验证了该算法的良好性能。 引用于1文件 MSC公司： 94A08型 信息与通信理论中的图像处理（压缩、重建等） 94D05型 模糊集和逻辑（与信息、通信或电路理论有关） 92 C55 生物医学成像和信号处理 PDF格式BibTeX公司 XML格式引用 \textit{W.Cui}等人，数学。问题。Eng.2013，文章ID 316546，10 p.（2013；Zbl 1296.94025） 全文： 内政部 参考文献： [1] Z.-X.Ji，Q.Chen，Q.-S.Sun，D.-S.Xia，和P.-A.Heng，“使用相干局部和全局强度聚类的MR图像分割和偏置场估计”，《第七届模糊系统和知识发现国际会议论文集》（FSKD’10），第2卷，第578-582页，IEEE出版社，2010年8月·doi:10.1109/FSKD.2010.5569472 [2] U.Vovk、F.Pernu和B.Likar，“MRI强度不均匀性校正方法综述”，IEEE医学成像汇刊，第26卷，第3期，第405-421页，2007年·doi:10.1109/TMI.2006.891486 [3] S.Chen和D.Zhang，“基于新核诱导距离测度的空间约束FCM稳健图像分割”，IEEE Transactions on Systems，Man，and Controlnetics B，第34卷，第4期，第1907-1916页，2004年·doi:10.1109/TSMCB.2004.831165 [4] D.L.Pham和J.L.Prince，“灰度不均匀情况下图像分割的自适应模糊C均值算法”，《模式识别快报》，第20卷，第1期，第57-68页，1999年·Zbl 0920.68148号 ·doi:10.1016/S0167-8655（98）00121-4 [5] M.N.Ahmed、S.M.Yamany、N.Mohamed、A.A.Farag和T.Moriarty，“MRI数据偏置场估计和分割的改进模糊C均值算法”，IEEE医学成像学报，第21卷，第3期，第193-199页，2002年·数字对象标识代码：10.1109/42.996338 [6] A.W.-C.Liew和H.Yan，“三维MR图像分割的自适应空间模糊聚类算法”，IEEE医学成像学报，第22卷，第9期，第1063-1075页，2003年·doi:10.1109/TMI.2003.816956 [7] D.-Q.Zhang和S.-C.Chen，“一种新的核化模糊C均值算法及其在医学图像分割中的应用”，《医学人工智能》，第32卷，第1期，第37-50页，2004年·doi:10.1016/j.artmed.2004.0.012 [8] K.Chuang、H.Tzeng、S.Chen、J.Wu和T.Chen，“模糊c均值聚类与图像分割的空间信息”，《计算机医学成像与制图》，第30卷，第1期，第9-15页，2006年。 [9] C.Li、C.Xu、A.Anderson和J.Gore，“基于相干局部强度聚类的MRI组织分类和偏置场估计：统一的能量最小化框架”，载《第21届医学成像信息处理国际会议论文集》，第5636卷，《计算机科学讲义》，第288-299页，施普林格，2009年。 [10] Z.Ji，Y.Xia，Q.Sun，Q.Chen，D.Xia，D.Feng，“脑MR图像分割的模糊局部高斯混合模型”，IEEE生物医学信息技术汇刊，第16卷，第3期，第339-347页，2012年。 [11] L.Wang、L.He、A.Mishra和C.Li，“局部高斯分布拟合能量驱动的活动轮廓”，《信号处理》，第89卷，第12期，第2435-2447页，2009年·Zbl 1197.94138号 ·doi:10.1016/j.sigpro.2009.03.014 [12] N.Paragios和R.Deriche，“用于监督纹理分割的测地活动区域和水平集方法”，《国际计算机视觉杂志》，第46卷，第3期，第223-247页，2002年·Zbl 1012.68726号 ·doi:10.1023/A:1014080923068 [13] C.Li、C.-Y.Kao、J.C.Gore和Z.Ding，“用于图像分割的区域可缩放拟合能量的最小化”，IEEE图像处理汇刊，第17卷，第10期，1940-19492008页·Zbl 1371.94225号 ·doi:10.1109/TIP.2008.2002304 [14] C.Li，R.Huang，Z.Ding，J.C.Gatenby，D.N.Metaxas和J.C.Gore，“存在强度不均匀性时图像分割的水平集方法及其在MRI中的应用”，IEEE图像处理汇刊，第20卷，第7期，第2007-2016页，2011年·Zbl 1372.68275号 ·doi:10.1109/TIP.2011.2146190 [15] Y.Chen、J.Zhang和J.Macione，“脑MR图像分割和偏差校正的改进水平集方法”，《计算机医学成像与制图》，第33卷，第7期，第510-519页，2009年·doi:10.1016/j.compmedimag.2009.04.009 [16] L.Wang、Y.Chen、X.Pan、X.Hong和D.Xia，“基于局部高斯分布拟合能量的脑磁共振图像水平集分割”，《神经科学方法杂志》，第188卷，第2期，第316-325页，2010年·doi:10.1016/j.jneumeth.2010.03.004 [17] L.Wang、C.Li、Q.Sun、D.Xia和C.Y.Kao，“局部和全局强度拟合能量驱动的活动轮廓及其在脑MR图像分割中的应用”，《计算机医学成像与制图》，第33卷，第7期，第520-531页，2009年·doi:10.1016/j.compmedimag.2009.04.010 [18] K.-K.Shyu、V.-T.Pham、T.-T.Tran和P.-L.Lee，“基于全局和局部模糊能量的图像分割活动轮廓”，《非线性动力学》，第67卷，第2期，第1559-1578页，2012年·Zbl 1256.94014号 ·doi:10.1007/s11071-011-0088-1 [19] Y.Yu，C.Zhang，Y.Wei，X.Li，“动态结合局部拟合能量和全局拟合能量的主动轮廓法”，载《国际医学生物计量会议论文集》，计算机科学讲义第6165卷，第163-172页，Springer，2010年。 [20] Y.Yang和B.Wu，“基于局部和全局强度拟合能量和分裂Bregman方法的凸图像分割模型”，《应用数学杂志》，2012年第卷，文章编号692589，16页，2012年·Zbl 1235.94027号 ·doi:10.1155/2012/692589 [21] B.Wu和Y.Yang，“基于局部和全局统计的图像分割活动轮廓模型”，《工程中的数学问题》，2012年，第791958卷，第16页，2012年·Zbl 1264.94030号 ·doi:10.1155/2012/791958 [22] Y.Yang和B.Wu，“动态结合局部和全局信息的改进活动轮廓模型最小化的分裂Bregman方法”，《数学分析与应用杂志》，第389卷，第1期，第351-366页，2012年·Zbl 1232.68156号 ·doi:10.1016/j.jmaa.20111.11.073 此参考列表基于出版商或数字数学图书馆提供的信息。其项与zbMATH标识符进行启发式匹配，可能包含数据转换错误。在某些情况下，zbMATH Open的数据对这些数据进行了补充/增强。这试图尽可能准确地反映原始论文中列出的参考文献，而不要求完整或完全匹配。